Radiology：人工智能在睾丸MRI中的应用

以外上皮细胞MRI在内的上皮细胞超声在快速提升上皮细胞癌治疗的过程之中发挥了重要发挥作用。识别丰性和恶性病因的典型MRI基本特征，以及与各种恶性总共通点相关的特殊MRI形态学和动力学基本特征，使得放射科医师需要缺少比其他传统意义的超声方式则需要的临床，并对患者治疗方案的颁布缺少愈来愈有价值的文档。虽然快照增强(DCE) MRI的选择性与x线摄影几乎相当，但在丰恶性病因的鉴定不足之处上仍有更进一步提升的空外。均原因是由于放射科医师对上皮细胞癌的评核因核心技术不同以及也就是说内和也就是说外解释的不同而受阻。

多项数据库分析开发了计算机光影和方法学的计算机该系统（AI）该系统，该该系统可应用于药理学上图像上的计算机辅助临床和上皮细胞病因的系统性表征。放射组学是计算机辅助临床的扩大，可缺少与药理学和其他药理学、病理和DNA数据库相关的计算机合成基本特征。

近日，刊发在Radiology杂志的一项数据库分析评核了与传统意义广泛应用软件相对，使用AI该系统时放射科医师在上皮细胞DCE MRI上图像上划分丰恶性病因不足之处的临床安全性是不是得到提升，为AI在药理学的更进一步广泛应用及数据库分析振兴了道路。

在本项回顾性数据库分析之中，来自8个学术的机构和11个私人医院的19名上皮细胞放射科医师对上皮细胞DCE MRI检验的上图像进行了分析。阅读者对则有检验审核两次次。在“第一次审核”时，他们使用了以外动力学上图在内传统意义的计算机辅助评核广泛应用软件。在“第二次审读”之中，通过计算机辅助临床广泛应用软件为他们缺少了AI分析。选用患者岗位特性曲线(ROC)分析来评核阅读者的临床安全性，ROC曲线下面积(AUC)作为划分恶性和丰性病因的指标。主要数据库分析绕道是第一次和第二次审核条件下AUC的不同。

本数据库分析总共纳入111名女性(超过年龄52岁±13岁[标准差])并赢得111组上皮细胞DCE MRI检验(其之中恶性病因54唯，丰性病因57唯)。当使用AI该系统时，所有阅读者的超过AUC从0.71提升到0.76 (P = 0.04)。当使用上皮细胞影像报告和服务商(BI-RADS)都可3作为切点时，超过选择性大大降低(从90%提升到94%;转变的95%置信区外[CI]: 0.8%，7.4%)，但在使用BI-RADS都可4a时则不然(从80%到85%;95%置信区外:-0.9%，11%)。无论是使用BI-RADS都可4a还是都可3作为切点，超过选择性均无特别是在不同(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。

上图 根据上皮细胞超声报告和服务商(BI-RADS) 4a类值在快照增强上皮细胞MRI上图像上鉴定丰恶性病因的临床任务之中，19个阅读者第一次和第二次审核的选择性和选择性(以一般而言表示)比较。

本数据库分析声称，计算机该系统该系统的使用提升了放射科医师在上皮细胞MRI之中鉴定丰恶性病因的临床安全性，为药理学更进一步颁布愈来愈准确的治疗方案缺少了核心技术伤的支持，为计算机该系统在药理学及科学研究上的广泛应用缺少了参考依据。

原文出处：

Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292